python批量翻译excel表格中的英文
松哥真的一米九 人气:0需求背景
女朋友的论文需要爬取YouTube视频热评,但爬下来的都是外文。
主要设计
- 读取一个表格文件,获取需要翻译的文本
- 使用百度翻译 API 进行翻译,获取翻译结果
- 将翻译结果保存到原表格中,然后提取需要的列组成一个新的 DataFrame
- 处理多个表格文件,将它们的翻译结果分别保存
- 使用线程池加速翻译过程,可以同时翻译多个表格
- 显示进度条
分析
- 目标文件为xlsx格式,可以借助pandas进行读取文件和生成文件的操作。在这里我的源文件有若干列,其中第2列评论内容为我的目标列。
- 在这里我用的是百度翻译api接口。也可以googletrans、translate,这些库可以在本地使用,不需要申请API密钥,但是翻译质量和速度可能不如云服务。
- 由于我每个表格有2000行数据,总共有10个表格,一个个来的话不仅麻烦效率还低。
- 我需要知道任务的进度,不想一直等下去
具体实现
表格操作
def TranslateTable(sInputFilename, sOutputFilename): # 读取表格A并选择需要翻译的列 df_a = pd.read_excel(sInputFilename) # 获取df对象 df_a = df_a.iloc[:, [1, 2]] # iloc和loc很像,i=index, # 翻译英文列 df_a['translation'] = df_a.iloc[:, 0].apply(Translate) # 创建表格B并保存 df_b = pd.DataFrame({ '原文': df_a.iloc[:, 0], '译文': df_a.iloc[:, 2] }) df_b.to_excel(sOutputFilename, index=False)
请求百度翻译api
def Translate(sText, from_lang='en', to_lang='zh'): appid = 'xxxxxx' secret_key = 'xxxxxx' url = 'https://fanyi-api.baidu.com/api/trans/vip/translate' salt = random.randint(32768, 65536) sign = hashlib.md5((appid + sText + str(salt) + secret_key).encode()).hexdigest() params = { 'q': sText, 'from': from_lang, 'to': to_lang, 'appid': appid, 'salt': salt, 'sign': sign } response = requests.get(url, params=params) result = json.loads(response.content.decode()) if result.get('error_code') is not None: return None return result['trans_result'][0]['dst']
多线程
使用concurrent.futures库中的 ThreadPoolExecutor类来实现多线程处理。
- 创建一个 ThreadPoolExecutor对象。
- 在循环中遍历每个表格A,并使用 submit方法向线程池提交任务。 submit方法将表格A的文件名和表格B的文件名作为参数传递给 translate_column函数,该函数将在单独的线程中执行。
ThreadPoolExecutor会自动管理线程池的大小,并在有空闲线程时分配新任务。这种方式可以利用多个CPU核心来并行处理多个表格,提高处理速度。
def TranslateTables(sInputFolder, sOutputFolder): sInputFilenames = [os.path.join(sInputFolder, f) for f in os.listdir(sInputFolder) if f.endswith('.xlsx')] with ThreadPoolExecutor() as executor: lstFutures = [] for sInputFilename in sInputFilenames: sFilename = os.path.splitext(os.path.basename(sInputFilename))[0] sOutputFilename = os.path.join(sOutputFolder, sFilename + '_翻译结果.xlsx') lstFutures.append(executor.submit(TranslateTable, sInputFilename, sOutputFilename)) for future in tqdm(as_completed(lstFutures), total=len(lstFutures)): pass
控制台显示进度
使用 concurrent.futures.as_completed 函数显示进度条。
完整源码
# -*- coding: utf-8 -*- # time: 2022/2/17 03:06 # file: test.py # author: Shi Yasong """ 主要功能功能: 1、读取一个表格文件,获取需要翻译的文本。 2、使用百度翻译 API 进行翻译,获取翻译结果。 3、将翻译结果保存到原表格中,然后提取需要的列组成一个新的 DataFrame。 4、处理多个表格文件,将它们的翻译结果合并到一个 DataFrame 中,然后分别保存。 5、使用线程池加速翻译过程,可以同时翻译多个表格 6、使用 concurrent.futures.as_completed 函数显示进度条。 """ from concurrent.futures import ThreadPoolExecutor, as_completed from tqdm import tqdm # 进度条库,需要先安装 import pandas as pd import requests import json import os import hashlib import random def Translate(sText, from_lang='en', to_lang='zh'): appid = 'xxxx' secret_key = 'xxxxx' url = 'https://fanyi-api.baidu.com/api/trans/vip/translate' salt = random.randint(32768, 65536) sign = hashlib.md5((appid + sText + str(salt) + secret_key).encode()).hexdigest() params = { 'q': sText, 'from': from_lang, 'to': to_lang, 'appid': appid, 'salt': salt, 'sign': sign } response = requests.get(url, params=params) result = json.loads(response.content.decode()) if result.get('error_code') is not None: return None return result['trans_result'][0]['dst'] def TranslateTable(sInputFilename, sOutputFilename): # 读取表格A并选择需要翻译的列 df_a = pd.read_excel(sInputFilename) # 获取df对象 df_a = df_a.iloc[:, [1, 2]] # iloc和loc很像,i=index, # 翻译英文列 df_a['translation'] = df_a.iloc[:, 0].apply(Translate) # 创建表格B并保存 df_b = pd.DataFrame({ '原文': df_a.iloc[:, 0], '译文': df_a.iloc[:, 2] }) df_b.to_excel(sOutputFilename, index=False) def TranslateTables(sInputFolder, sOutputFolder): sInputFilenames = [os.path.join(sInputFolder, f) for f in os.listdir(sInputFolder) if f.endswith('.xlsx')] with ThreadPoolExecutor() as executor: lstFutures = [] for sInputFilename in sInputFilenames: sFilename = os.path.splitext(os.path.basename(sInputFilename))[0] sOutputFilename = os.path.join(sOutputFolder, sFilename + '_翻译结果.xlsx') lstFutures.append(executor.submit(TranslateTable, sInputFilename, sOutputFilename)) for future in tqdm(as_completed(lstFutures), total=len(lstFutures)): pass # 调用函数翻译多个表格 sInputFolder = r'C:\Users\lenovo\Desktop\english' # 修改为实际的表格文件夹路径 sOutputFolder = r'C:\Users\lenovo\Desktop\zh' # 修改为实际的表格文件夹路径 TranslateTables(sInputFolder, sOutputFolder)
加载全部内容